不同程度的监督机制在自动文本分类中的应用

被引：8

作者：

丁磊

钱云涛

机构：

[1] 浙江大学计算机学院,浙江大学计算机学院杭州,杭州

来源：

计算机应用与软件 | 2004年 / 06期

关键词：

文本分类; 监督学习; 非监督学习; 半监督学习;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

120506 [数字人文];

摘要：

自动文本分类技术涉及信息检索、模式识别及机器学习等领域。本文以监督的程度为线索 ,综述了分属全监督 ,非监督以及半监督学习策略的若干方法—NBC(Na veBayesClassifier) ,FCM (FuzzyC Means) ,SOM (Self OrganizingMap) ,ssFCM (semi supervisedFuzzyC Means)和gSOM(guidedSelf OrganizingMap) ,并应用于文本分类中。其中 ,gSOM是我们在SOM基础上发展得到的半监督形式。并以Reuters 2 15 78为语料 ,研究了监督程度对分类效果的影响 ,从而提出了对实际文本分类工作的建议。

引用

页码：65 / 68

页数：4